请写一段sklearn训练核岭回归的代码，并用均方误差衡量模型性能

好的，下面是一段使用sklearn训练核岭回归，并用均方误差衡量模型性能的代码：

from sklearn.kernel_ridge import KernelRidge
from sklearn.metrics import mean_squared_error
from sklearn.model_selection import train_test_split

# 假设X为特征矩阵，y为目标变量向量
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 划分训练集和测试集

krr = KernelRidge(alpha=0.1, kernel='rbf') # 构建核岭回归模型，设置超参数alpha和核函数类型
krr.fit(X_train, y_train) # 拟合模型

y_pred = krr.predict(X_test) # 预测测试集的目标变量值
mse = mean_squared_error(y_test, y_pred) # 计算均方误差
print("均方误差为：", mse)

其中，`X`为特征矩阵，`y`为目标变量向量。`train_test_split()`方法用于划分训练集和测试集，`alpha`为超参数，`kernel`为核函数类型，这里使用的是径向基函数（RBF）核函数。`fit()`方法用于拟合模型，`predict()`方法用于预测测试集的目标变量值。最后，使用`mean_squared_error()`方法计算均方误差，并输出结果。